Studiengang Informatik der FH Gießen-Friedberg. Sequenz-Alignment. Jan Schäfer. WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel

Transkript

1 Studiengang Informatik der FH Gießen-Friedberg Sequenz-Alignment Jan Schäfer WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel

2 Überblick Einführung Grundlagen Wann ist das Merkmal der Ähnlichkeit erfüllt? Sequenz-Alignments in Dotplot Fazit Quellen

3 Einführung

4 Ursprung Bei dem Sequenz-Alignment (engl. Alignment Abgleich, Anordnung) werden Zeichenketten auf ähnliche Merkmale hin untersucht.

5 Was ist Ähnlichkeit?

6 Was ist Ähnlichkeit? Der Grad der Ähnlichkeit bemisst sich nach dem Verhältnis der gemeinsamen zu den unterscheidenden Eigenschaften.

7 Was ist Ähnlichkeit? Der Grad der Ähnlichkeit bemisst sich nach dem Verhältnis der gemeinsamen zu den unterscheidenden Eigenschaften. Sind keine unterscheidenden Eigenschaften festzustellen, spricht man von Gleichheit oder Identität.

8 Problemstellung aus der Informatik Um Gleichheit zwischen zwei Worten festzustellen, kann man in der Informatik den direkten (binären) Vergleich durchführen.

9 Problemstellung aus der Informatik Um eine Ähnlichkeit in Worten zu entdecken, gibt es jedoch keine grundlegende Operation.

10 Verwendung Bioinformatik: Erkennung von ähnlicher Funktion und Struktur bei Genen und Proteinen

11 Verwendung Bioinformatik: Erkennung von ähnlicher Funktion und Struktur bei Genen und Proteinen Erkennung von Plagiaten

12 Verwendung Bioinformatik: Erkennung von ähnlicher Funktion und Struktur bei Genen und Proteinen Erkennung von Plagiaten biometrische Verfahren

13 Verwendung Bioinformatik: Erkennung von ähnlicher Funktion und Struktur bei Genen und Proteinen Erkennung von Plagiaten biometrische Verfahren...

14 Grundlagen

15 Sequenz-Alignment Typen Paarweises Alignment Multiples Alignment Globales Alignment Semi-Globales Alignment Lokales Alignment

16 Paarweises Alignment Methode, um zwei (Zeichen-)Sequenzen zu vergleichen.

17 Paarweises Alignment Methode, um zwei (Zeichen-)Sequenzen zu vergleichen. Als Resultat des paarweisen Alignments erhält man zwei neue Sequenzen, die man als aligniert bezeichnet.

18 Beispiel: Paarweises Alignment Eingabe: a="gapa" b="gpa"

19 Beispiel: Paarweises Alignment Eingabe: a="gapa" b="gpa" Resultat: a="gapa" b="g-pa"

20 Multiples Alignment Bei der Methode des multiplen Alignments werden mindestens drei Sequenzen aligniert.

21 Beispiel: Multiples Alignment Eingabe: a=n A F L S b=n A F S c=n A K Y L S d= N A Y L S

22 Beispiel: Multiples Alignment Eingabe: a=n A F L S b=n A F S c=n A K Y L S d= N A Y L S Resultat: a= N A - F L S b= N A - F - S c= N A K Y L S d= N A - Y L S

23 Globales Alignment bei dem globalen Alignment werden alle Zeichen der Sequenzen analysiert

24 Globales Alignment bei dem globalen Alignment werden alle Zeichen der Sequenzen analysiert Die zu untersuchenden Sequenzen sollten jedoch ähnliche Längen aufweisen

25 Semi-globales Alignment Komplette Sequenzen werden aligniert

26 Semi-globales Alignment Komplette Sequenzen werden aligniert Fehlende Zeichen die am Anfang oder am Ende eines Wortes auftreten, werden nicht berücksichtigt

27 Lokales Alignment Bei dem lokalen Alignment werden Teilbereiche mit Übereinstimmungen gesucht

28 Lokales Alignment Bei dem lokalen Alignment werden Teilbereiche mit Übereinstimmungen gesucht. Der Teilbereich mit der größten Übereinstimmung wird als Ergebnis zurückgegeben

29 Lokales Alignment Bei dem lokalen Alignment werden Teilbereiche mit Übereinstimmungen gesucht. Der Teilbereich mit der größten Übereinstimmung wird als Ergebnis zurückgegeben. Unterschiedliche Längen der Sequenzen können ohne Probleme verglichen werden

30 Beispiel: Lokales Alignment Eingabe: a="gapa" b="gpa"

31 Beispiel: Lokales Alignment Eingabe: a="gapa" b="gpa" Resultat: a="pa" b="pa"

32 Bewertung Um eine Aussagekraft zu erhalten, müssen Resultate wie g-pa einer Bewertung unterzogen werden.

33 Definition der Kostenfunktion In der Regel hat die Kostenfunktion 3 Parameter

34 Definition der Kostenfunktion In der Regel hat die Kostenfunktion 3 Parameter Es müssen Bewertungen für Übereinstimmungen (matches), Abweichungen (dismatches) sowie Lücken (Gaps) definiert werden.

35 Beispiel: Kostenfunktion match = 1 dismatch = -1 gap = -2

36 Beispiel: Kostenfunktion Eingabe: match = 1 k="gapalala" dismatch = -1 l= "gapalul" gap = -2 Resultat: k="gapalala" l= "gapalul-"

37 Beispiel: Kostenfunktion Eingabe: match = 1 k="gapalala" dismatch = -1 l= "gapalul" gap = -2 Resultat: k="gapalala" l= "gapalul-" Ergebnis der Kostenfunktion: k = g a p a l a l a l = g a p a l u l = 3

38 Wann ist das Merkmal der Ähnlichkeit erfüllt?

39 Wann ist das Merkmal der Ähnlichkeit erfüllt? Wie viel Übereinstimmung darf es geben?

40 Wann ist das Merkmal der Ähnlichkeit erfüllt? Wie viel Übereinstimmung darf es geben? Wie viel Abweichung darf es geben?

41 Wann ist das Merkmal der Ähnlichkeit erfüllt? Wie viel Übereinstimmung darf es geben? Wie viel Abweichung darf es geben? Ob etwas ähnlich ist liegt im Auge des Betrachters

42 Beispiel: String-Vergleich in Java

43 String-Vergleich in Java Die Methode equals prüft auf Gleichheit

44 Beispiel: String-Vergleich in Java Die Methode equals prüft auf Gleichheit Aussagen, in welchem Maße die Zeichenketten ähnlich sind, kann equals nicht liefern

45 Festlegen einer Schwelle Um dennoch eine Aussage treffen zu können, in welchem Maße die Namen Hanni und Nanni gleich sind, muss eine Definition gefunden werden, die konkret festlegt, wann etwas ähnlich ist.

46 Beispiel: Schwelle eines künstlichen Neuron Die Eingangssignale eines künstliches Neurons werden aufsummiert und anschließend mit einem Schwellenwert verglichen. Ist die Summe der Eingangssignale größer als der Schwellenwert feuert das Neuron.

47 Beispiel: Und

48 Beispiel: Oder

49 Sequenz-Alignments in Dotplot

50 NeoBio-API Bioinformatik Algorithmen in Java

51 NeoBio-API Bioinformatik Algorithmen in Java Entwickelt von King's College London

52 NeoBio-API Bioinformatik Algorithmen in Java Entwickelt von King's College London Lizenz: GNU General Public License

53 NeoBio-API Bioinformatik Algorithmen in Java Entwickelt von King's College London Lizenz: GNU General Public License Alignment-Algorithmen wurde mit Mitteln der dynamischen Programmierung erstellt

54 Exkurs: Dynamische Programmierung Die optimale Lösung für ein Problem der Größe n setzt sich aus optimalen Teillösungen kleinerer Größe zusammen (Bellmannsches Optimalitätsprinzip)

55 Exkurs: Dynamische Programmierung Die optimale Lösung für ein Problem der Größe n setzt sich aus optimalen Teillösungen kleinerer Größe zusammen (Bellmannsches Optimalitätsprinzip) Umfangreiche Probleme werden in viele kleine Probleme zerlegt, die unabhängig voneinander gelöst werden können

56 Exkurs: Dynamische Programmierung Die optimale Lösung für ein Problem der Größe n setzt sich aus optimalen Teillösungen kleinerer Größe zusammen (Bellmannsches Optimalitätsprinzip) Umfangreiche Probleme werden in viele kleine Probleme zerlegt, die unabhängig voneinander gelöst werden können Prinzip: Teile und Herrsche

57 Übersicht der verwendeten Alignment- Algorithmen in Dotplot Needleman-Wunsch-Algorithmus Smith-Waterman-Algorithmus Crochemore-Landau-ZivUkelson-Algorithmus

58 Needleman-Wunsch-Algorithmus Berechnung von globalen Alignments mit Hilfe von dynamischer Programmierung

59 Needleman-Wunsch-Algorithmus Berechnung von globalen Alignments mit Hilfe von dynamischer Programmierung Zeichenketten sollten ähnliche Längen aufweisen

60 Needleman-Wunsch-Algorithmus Berechnung von globalen Alignments mit Hilfe von dynamischer Programmierung Zeichenketten sollten ähnliche Längen aufweisen Gaps sind erlaubt

61 Needleman-Wunsch-Algorithmus Berechnung von globalen Alignments mit Hilfe von dynamischer Programmierung Zeichenketten sollten ähnliche Längen aufweisen Gaps sind erlaubt Problem: es ist nicht möglich die längste übereinstimmende Teilsequenz beider Sequenzen zu finden

62 Smith-Waterman-Algorithmus Modifikation des Needleman-Wunsch- Algorithmus

63 Smith-Waterman-Algorithmus Modifikation des Needleman-Wunsch- Algorithmus Berechnet das optimale lokale Alignment unter der Verwendung der dynamischen Programmierung.

64 Crochemore-Landau-ZivUkelson- Algorithmus Es existieren zwei Implementierungen des Crochemore-Landau-ZivUkelson-Algorithmus. Jeweils eine Implementierung für globale Alignments, sowie eine für lokale Alignments.

65 Problem der Algorithmen NeoBio-Algorithmen sind für DNA-Sequenzen konzipiert

66 Problem der Algorithmen NeoBio-Algorithmen sind für DNA-Sequenzen konzipiert Eine DNA-Sequenz ist eine Folge von Buchstaben

67 Problem der Algorithmen NeoBio-Algorithmen sind für DNA-Sequenzen konzipiert Eine DNA-Sequenz ist eine Folge von Buchstaben Zahlen und Sonderzeichen werden nicht unterstützt

68 Problem der Algorithmen NeoBio-Algorithmen sind für DNA-Sequenzen konzipiert Eine DNA-Sequenz ist eine Folge von Buchstaben Zahlen und Sonderzeichen werden nicht unterstützt

69 Problem der Algorithmen Eingabe: a="gap1" b="gpa2"

70 Problem der Algorithmen Eingabe: a="gap1" b="gpa2" Ausgabe:

71 Erweiterung der Algorithmen

72 Schnittstelle für Sequenz- Alignments

73 Schnittstelle für Sequenz- Alignments

74

75 Interface java.util.comparator Die Schnittstelle besitzt 2 Methoden: public boolean equals(object o) public int compare(object o1,object o2)

76 Interface java.util.comparator Die Schnittstelle besitzt 2 Methoden: public boolean equals(object o) public int compare(object o1,object o2)

77 Interface java.util.comparator Die Schnittstelle besitzt 2 Methoden: public boolean equals(object o) public int compare(object o1,object o2) Vorsicht! Die Methode compare vergleicht die beiden übergebenen Objekte und liefert eine negative Zahl, Null, oder eine positive Zahl, je nachdem, ob o1 im Sinne der Ordnung kleiner, gleich oder größer als o2 ist.

78 AlignmentComparator Anforderungen Einfache Übergabe der zu vergleichenden Sequenzen

79 AlignmentComparator Anforderungen Einfache Übergabe der zu vergleichenden Sequenzen Übergabe einer benutzerdefiniert Schwelle

80 AlignmentComparator Anforderungen Einfache Übergabe der zu vergleichenden Sequenzen Übergabe einer benutzerdefiniert Schwelle Mögliches Ergebnis sollte nur ist ähnlich oder ist nicht ähnlich sein

81 Implementierung eines AlignmentComparator

82 Implementierung eines AlignmentComparator

83 Die compare-methode

84 Beispiel: String-Vergleich mit AlignmentComparator

85 Fazit Sequenz-Alignments bieten eine gute Alternative um unscharfe Aussagen zu treffen Aussagen wie ist ähnlich bzw. ist nicht ähnlich können getroffen werden

86 Fazit Sequenz-Alignments bieten eine gute Alternative um unscharfe Aussagen zu treffen Aussagen wie ist ähnlich bzw. ist nicht ähnlich können getroffen werden Viele Implementierungen sind frei verfügbar

87 Fazit Sequenz-Alignments bieten eine gute Alternative um unscharfe Aussagen zu treffen Aussagen wie ist ähnlich bzw. ist nicht ähnlich können getroffen werden Viele Implementierungen sind frei verfügbar Leider sind viele Implementierungen speziell für DNA-Analysen entwickelt

88 Quellen - Sequenz Alignment (von Dr. Rainer König) - NeoBio - Bioinformatics Algorithms in ( Java - Sequenzalignment (

89 Fragen?